【摘要】：駕駛疲勞是駕駛過程中經常產生的生理現象,當駕駛員進入疲勞狀態(tài)時會變得注意力渙散、反應遲鈍,極易釀成交通事故�；趩我恍畔⒃吹鸟{駛疲勞檢測方法在具體駕駛環(huán)境下穩(wěn)定性較差,存在很大局限。目前的研究趨勢逐漸傾向于融合多源信息來對駕駛疲勞做出綜合判斷。本文以提高駕駛疲勞檢測的準確率、穩(wěn)定性以及環(huán)境適應能力為研究目的。以駕駛員的面部圖像信息和腦電信息為研究對象。圍繞多源信息疲勞特征的提取方法、單模態(tài)駕駛疲勞檢測方法、信息融合駕駛疲勞檢測方法等核心問題展開了研究。并設計模擬駕駛實驗評估了各種駕駛疲勞檢測方法的效果。主要研究內容如下:(1)調研了目前駕駛疲勞檢測的研究現狀與研究趨勢,總結了圖像信息、生理信息、駕駛行為信息等各種研究角度的優(yōu)缺點。針對單模態(tài)駕駛疲勞檢測的不足,確定了將駕駛員面部圖像信息和腦電信息融合的駕駛疲勞檢測方案,以提升檢測的準確率、穩(wěn)定性與環(huán)境適應能力。(2)從駕駛員眼部信息中提取了眼瞼閉合時間比例、閉眼速度等眼動特征,訓練了基于眼動特征的單模態(tài)駕駛疲勞檢測模型,疲勞/非疲勞分類準確率達到86%。從駕駛員腦電信息中提取了各節(jié)律的頻帶能量比,訓練了單模態(tài)駕駛疲勞檢測模型,疲勞/非疲勞分類準確率達到78%。(3)針對單模態(tài)駕駛疲勞檢測方法的局限性,使用多核學習、多集典型相關分析融合多源異構特征,并分別訓練駕駛疲勞檢測模型,準確率達到89%、93%�；贒-S證據理論對圖像信息和腦電信息進行決策層融合,搭建駕駛疲勞檢測模型,準確率達到95%。(4)使用模擬駕駛實驗平臺展開了基于睡眠剝奪和基于反應時間的模擬駕駛實驗,同步采集駕駛員面部圖像信息與腦電信息。對數據進行整理標注,得到駕駛疲勞數據集,使用數據集訓練和測試各種駕駛疲勞檢測模型。設計干擾環(huán)境下的模擬駕駛實驗,評估各種駕駛疲勞檢測模型的穩(wěn)定性。
【圖文】：

Rather AlertNeither alert nor sleepySome signs of sleepinessSleepy, no effort to stay awakeSleepy, some effort to stay awakeVery sleepy, great effort to stay awake, fightin隆研究所最早提出將 PERCLOS（單位時間眼疲勞檢測的重要指標，得到了很好的效果，該指澳大利亞的 Seeingmachines 公司研制的 DSS- Attention Technolo gies 公司研制的 DD850 以開發(fā)的 gogo850 都是基于駕駛員的面部圖像信息南京遠驅科技有限公司開發(fā)的 gogo850，該設備相機，，通過該紅外相機來采集駕駛員的面部信息疲勞程度。

理信號的數據量遠遠的小于圖像信息，能夠滿足實時處理的需信息的疲勞駕駛檢測方法缺點為，各種生理信息的采集都需要膚表面粘貼電極，對人體有一定的入侵性。隨著傳感器技術的件集成度的大幅度提升以及可穿戴設備概念的普及，各種采集傳感器體積越來越小，普通駕駛員對可穿戴傳感器的接受程度基于生理信息的疲勞駕駛檢測方法正逐漸受到重視。前已有的研究成果表明，隨著疲勞程度的加深，腦電信號的 的能量會提升，而 節(jié)律和 節(jié)律的能量會降低[12]。心電信號（Heart Rate Variability,HRV）可作為評估駕駛員疲勞狀態(tài)的ianlia ng Min 和 Ping Wang 等人[13]使用模擬駕駛平臺展開了模擬步采集了駕駛員的腦電信號，通過分析驗證了腦電信號的微分的相關性，在其整理的數據集上識別準確率達到 90%以上。圖ng Min 等人所展開的模擬駕駛實驗。
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：U463.6;TP391.41

【參考文獻】

中國期刊全文數據庫 前5條

1 王磊;史亞;姬紅兵;;基于多集典型相關分析的雷達輻射源指紋識別[J];西安電子科技大學學報;2013年02期

2 權文;王曉丹;王堅;張玉璽;;基于SVM概率輸出與證據理論的多分類方法[J];計算機工程;2012年05期

3 張恒義;邵曉卓;周駿;;睡眠剝奪疲勞模型大鼠腦電分析[J];航天醫(yī)學與醫(yī)學工程;2011年05期

4 詹皓,韓學平,葛朝麗,韋四煌,辛益妹,李彤,唐桂香,李硯鋒;莫達非尼對睡眠剝奪汽車兵汽車駕駛能力和疲勞感的影響[J];中華航空航天醫(yī)學雜志;2005年03期

5 季紅光,張麟,王海明;24小時睡眠剝奪對主觀疲勞程度和心理運動能力的影響[J];中國行為醫(yī)學科學;1998年04期

中國博士學位論文全文數據庫 前10條

1 郭夢竹;基于反應時間的駕駛員疲勞狀態(tài)監(jiān)測與預警技術研究[D];吉林大學;2017年

2 史亞;多核學習算法與應用研究[D];西安電子科技大學;2015年

3 牛清寧;基于信息融合的疲勞駕駛檢測方法研究[D];吉林大學;2014年

4 李冠儒;2823例健康體檢人群的疲勞情況及其與體檢指標的相關性探討[D];北京中醫(yī)藥大學;2013年

5 康健;基于多傳感器信息融合關鍵技術的研究[D];哈爾濱工程大學;2013年

6 杜勇;基于面部信息的駕駛者疲勞狀態(tài)分類方法研究[D];哈爾濱工業(yè)大學;2012年

7 孫銳;基于D-S證據理論的信息融合及在可靠性數據處理中的應用研究[D];電子科技大學;2012年

8 肖獻強;基于信息融合的駕駛行為識別關鍵技術研究[D];合肥工業(yè)大學;2011年

9 吳勝強;核主元分析及證據理論的多域特征故障診斷新方法研究[D];燕山大學;2011年

10 樊雙義;連續(xù)作業(yè)與睡眠剝奪對認知功能的影響及機制研究[D];第三軍醫(yī)大學;2010年

中國碩士學位論文全文數據庫 前2條

1 黃姣;基于生理與操作行為典型參數的駕駛疲勞程度研究[D];華南理工大學;2016年

2 周軍;基于D-S證據理論的多模型網絡安全態(tài)勢預測研究[D];西安電子科技大學;2010年

本文編號：2709700